Google AI Mode: Unabhängig von AI Overviews

Google AI Mode ist nicht einfach eine erweiterte Version der AI Overviews. Eine Analyse von 540.000 Query-Paaren aus den USA, bei der AI Mode und AI Overviews nur in 13,7 Prozent der Fälle dieselben URLs zitierten, belegt: Es handelt sich um zwei weitgehend getrennte Systeme mit eigenen Quellenpräferenzen. Für B2B-Unternehmen im DACH-Raum bedeutet das eine strategische Konsequenz: Wer nur für AI Overviews optimiert, ist im AI Mode nahezu unsichtbar. Seit dem Start in Österreich ist das keine theoretische Überlegung mehr, sondern eine konkrete Sichtbarkeitsfrage.

Was Google AI Mode ist und warum er für DACH-B2B relevant wird

Google AI Mode ist ein eigenständiges KI-Suchprodukt innerhalb der Google Suche. Anders als die AI Overviews, die automatisch über klassischen Suchergebnissen erscheinen, ist der AI Mode ein dedizierter Modus: Nutzer wechseln aktiv hinein und führen dort ein dialogorientiertes, mehrstufiges Gespräch mit der Suchmaschine. Technisch arbeitet AI Mode mit einem Verfahren namens Query Fan-Out. Dabei zerlegt das System eine einzelne Nutzeranfrage in zahlreiche Teilanfragen, beantwortet diese parallel und fasst die Ergebnisse zu einer ausführlichen Antwort zusammen.

Diese Tiefe zeigt sich in den Daten. AI-Mode-Antworten sind laut der internationalen Ahrefs-Analyse rund viermal länger als AI Overviews und nennen mit 3,3 Entitäten pro Antwort deutlich mehr Personen und Marken als AI Overviews mit 1,3 Entitäten. Für die GEO-Strategie ist das eine zentrale Erkenntnis: AI Mode bietet mehr Platz für Zitate, mehr Nennungen von Anbietern und damit grundsätzlich mehr Sichtbarkeitschancen pro Antwort, allerdings nur für Inhalte, die das System auch tatsächlich auswählt.

Für den DACH-Raum ist der AI Mode seit Kurzem keine Randerscheinung mehr. Google hat die Einführung des KI-Modus am 8. Oktober 2025 in 36 neuen Sprachen und in mehr als 40 neuen Ländern gestartet, darunter Deutschland, Österreich und die Schweiz. In der Schweiz läuft er auf Deutsch, Französisch und Italienisch. Damit ist er laut Google in über 200 Ländern verfügbar. Die deutschsprachige Verfügbarkeit ist für österreichische Unternehmen entscheidend, weil sie bedeutet, dass deutschsprachige Fachanfragen jetzt regulär über den AI Mode beantwortet werden.

Der Markt ist vorbereitet. In Deutschland nutzen laut der Bitkom-Studie 67 Prozent der Bevölkerung zumindest gelegentlich generative KI, gegenüber 40 Prozent im Vorjahr. Auf Google Gemini, das Modell hinter dem AI Mode, greifen dabei 28 Prozent der Befragten zurück. Die Nutzerbasis für KI-gestützte Suche ist im DACH-Raum also bereits breit.

Der Beleg der Unabhängigkeit: Warum AI Mode eigene Quellen wählt

Die wichtigste strategische Tatsache zum AI Mode ist seine Quellen-Unabhängigkeit von den AI Overviews. Die internationale Brand-Radar-Studie von Ahrefs, basierend auf 540.000 Query-Paaren aus dem September 2025, zeigt eine Zitat-Überschneidung von nur 13,7 Prozent. Selbst bei den jeweils prominentesten Treffern bleibt die Schnittmenge gering: Betrachtet man nur die jeweils drei Top-Zitate, steigt die Überlappung lediglich auf 16,3 Prozent.

Praktisch heisst das: In rund sechs von sieben Fällen zieht der AI Mode andere Quellen heran als die AI Overviews. Eine starke Position in den AI Overviews garantiert keine Sichtbarkeit im AI Mode und umgekehrt. Die Ursache liegt im Query Fan-Out. Weil der AI Mode eine Anfrage in viele Sub-Queries zerlegt und für jede davon eigene Quellen sucht, entsteht ein breiteres und anderes Quellenset als bei der kompakteren AI-Overview-Logik.

Für die Optimierungsstrategie folgt daraus ein klarer Grundsatz: AI Mode braucht eine eigene Betrachtung. Es reicht nicht, eine Seite für eine einzige Hauptanfrage zu optimieren. Inhalte müssen so aufgebaut sein, dass sie die vielen möglichen Teilfragen rund um ein Thema abdecken. Genau das ist der Hebel, um in einem Fan-Out-System überhaupt als Quelle infrage zu kommen.

Gemini 3 Flash als Motor: Was die Modellumstellung verändert

Der AI Mode wird kontinuierlich aktualisiert, und die Modellbasis ist dabei der wichtigste Faktor für Antwortqualität und Zitierverhalten. Google hat Gemini 3 Flash am 17. Dezember 2025 zum Standardmodell in der Gemini-App und im AI Mode der Suche gemacht. Der Sprung in den Reasoning-Fähigkeiten ist erheblich. Im Benchmark Humanity's Last Exam erreichte Gemini 3 Flash ohne Werkzeugnutzung 33,7 Prozent, während Gemini 2.5 Flash bei 11 Prozent lag.

Was bedeutet ein stärkeres Reasoning-Modell für GEO konkret? Ein Modell, das komplexe Aufgaben besser zerlegt und Quellen präziser bewertet, stellt höhere Anforderungen an die inhaltliche Tiefe und Korrektheit der zitierten Seiten. Oberflächliche Inhalte werden tendenziell schlechter als verlässliche Quelle ausgewählt, weil das Modell Widersprüche und dünne Belege eher erkennt. Präzise, gut strukturierte und faktisch belastbare Fachinhalte gewinnen an relativem Vorteil.

Wichtig ist hier die Abgrenzung gegen eine verbreitete Fehlannahme: Die Modellumstellung allein macht den AI Mode nicht unabhängig von den AI Overviews. Die Unabhängigkeit ist mit der Quellen-Divergenz von 13,7 Prozent Zitat-Überschneidung belegt, nicht mit dem Modellwechsel. Modellumstellungen verändern das Zitierverhalten und sorgen für Volatilität, sie sind aber kein Beweis für eine Entkopplung der beiden Produkte.

Konkrete Optimierungstaktiken für AI Mode

Die GEO-Forschung liefert eine empirische Grundlage dafür, welche Inhaltsmerkmale die Sichtbarkeit in generativen Suchsystemen erhöhen. Die viel zitierte GEO-Studie der Forscher um Princeton zeigt, dass gezielte Optimierung die Sichtbarkeit in generativen Antworten um bis zu 40 Prozent steigern kann. Die Studie testete neun Methoden über einen Benchmark aus 10.000 Anfragen und identifizierte mehrere Hebel, die sich direkt auf AI Mode übertragen lassen.

• Front-Loading und Answer Islands: Die zentrale Antwort gehört an den Anfang eines Abschnitts. Da der AI Mode pro Sub-Query gezielt nach extrahierbaren Antworten sucht, sollten in sich geschlossene Antwort-Inseln entstehen: ein präziser Kernsatz, gefolgt von Begründung und Beleg. So kann das System eine Aussage isoliert übernehmen.
• Statistiken und Zitate einbauen: Die GEO-Studie weist für die stärksten Methoden eine Verbesserung von 41 Prozent gegenüber der Baseline beim Position-Adjusted Word Count aus. Das Hinzufügen von Quellen war besonders wirksam für schwächer platzierte Seiten: Die Cite-Sources-Methode steigerte die Sichtbarkeit für Seiten auf SERP-Rang fünf um 115,1 Prozent. Belege, Zahlen und nachvollziehbare Quellen sind also kein Beiwerk, sondern ein direkter Sichtbarkeitsfaktor.
• Schema und strukturierte Daten: Strukturierte Auszeichnung hilft dem System, Entitäten, Fakten und Beziehungen sauber zu erfassen. Für Fachinhalte eignen sich FAQ-, Article- und Organization-Markup, um Kernaussagen maschinenlesbar zu machen.
• Entitäten und Brand Mentions: Weil AI-Mode-Antworten mehr Entitäten nennen als AI Overviews, zahlt sich eine konsistente Entitäten-Strategie aus. Die eigene Marke sollte klar definiert, mit Themen verknüpft und über verschiedene vertrauenswürdige Quellen hinweg erwähnt sein.
• llms.txt bereitstellen: Eine llms.txt im Wurzelverzeichnis kann KI-Systemen die wichtigsten Inhalte und deren Struktur signalisieren. Der Standard ist jung, der Aufwand gering, und er ergänzt die übrigen Massnahmen sinnvoll.

Query Fan-Out als Kernmechanik nutzen

Wer den AI Mode verstehen will, muss vom Query Fan-Out her denken. Das System beantwortet nicht eine Frage, sondern viele kleine Teilfragen gleichzeitig. Daraus folgt ein anderer Aufbau von Inhalten als beim klassischen, auf ein Keyword zentrierten SEO.

Statt einer Seite pro Hauptkeyword empfiehlt sich ein Themen-Cluster mit semantischer Vollständigkeit. Ein Cluster behandelt ein Thema umfassend und beantwortet die naheliegenden Folgefragen: Was ist es, wie funktioniert es, was kostet es, welche Alternativen gibt es, für wen eignet es sich. Jede dieser Teilfragen sollte als eigene Answer Island mit klarer Überschrift und einer kompakten, belegten Antwort gestaltet sein.

Die 3,3 Entitäten pro AI-Mode-Antwort sind ein Hinweis darauf, wie das System arbeitet: Es setzt mehrere Quellen und Akteure zueinander in Beziehung. Inhalte, die Begriffe sauber definieren, Akteure benennen und Zusammenhänge explizit machen, passen besser in diese Logik als reine Verkaufsseiten. Für DACH-B2B heisst das, Fachthemen in ihrer ganzen Breite zu behandeln statt nur die unmittelbar verkaufsrelevanten Aspekte.

AI-Referral-Traffic und Conversion: Realistische Erwartungen für B2B-DACH

Bei aller Optimierung braucht es eine ehrliche Erwartungshaltung zum Volumen. KI-Suche ist im Gesamttraffic noch klein. Laut der internationalen SE-Ranking-Studie machten KI-Plattformen 2025 erst 0,15 Prozent des globalen Internet-Traffics aus, gegenüber 0,02 Prozent im Jahr 2024. Zur Einordnung: Google sendet nach derselben Studie rund 300-mal mehr Traffic an Websites als alle KI-Plattformen zusammen. Innerhalb der KI-Plattformen dominiert ChatGPT mit 77,97 Prozent, gefolgt von Perplexity mit 15,10 Prozent und Gemini mit 6,40 Prozent.

Der entscheidende Punkt für B2B ist die Qualität dieses Traffics. KI-Besucher konvertieren deutlich besser. Laut der internationalen Semrush-Studie ist ein KI-Suchbesucher gemessen an der Conversion Rate 4,4-mal so wertvoll wie ein Besucher aus klassischer organischer Suche. Eine zweite Untersuchung bestätigt die Richtung: Laut einer bei Search Engine Land veröffentlichten Studie konvertierte ChatGPT-Traffic mit 1,81 Prozent um 31 Prozent höher als nicht-markenbezogene organische Suche mit 1,39 Prozent.

Die realistische Lesart für DACH-B2B lautet also: kleines Volumen, hohe Qualität. KI-Traffic ist heute kein Ersatz für organische Reichweite, aber ein hochwertiger Zustrom vorqualifizierter Interessenten. Die Bedeutung wächst: Laut Semrush könnte KI-Suche für Marketing- und SEO-Themen bis Anfang 2028 mehr Besucher liefern als die klassische Suche, und falls AI Mode zum Standard wird, deutlich früher.

Messung und Tools: Sichtbarkeit im AI Mode tracken

Die Messung der AI-Mode-Sichtbarkeit ist anspruchsvoll, weil klassische Tools an Grenzen stossen. Die Google Search Console weist Klicks und Impressionen aus, trennt AI-Mode-Sichtbarkeit aber nicht sauber als eigene Dimension aus. Wer nur auf GSC-Klicks schaut, unterschätzt die KI-Sichtbarkeit systematisch, weil ein grosser Teil der Wirkung ohne Klick stattfindet.

Sinnvoll ist daher eine Kombination aus Zitat- und Impression-Metriken. Spezialisierte Werkzeuge wie Brand Radar verfolgen, wie oft und mit welchen Quellen eine Marke in KI-Antworten erscheint. Genau auf solcher Datenbasis entstand die Analyse von 540.000 Query-Paaren, die die Quellen-Divergenz belegt. Die relevanten Kennzahlen sind:

• Citation Share: Wie oft wird die eigene Domain in AI-Mode-Antworten zu relevanten Themen zitiert?
• Entitäten-Präsenz: Erscheint die Marke als eine der genannten Entitäten? Angesichts von 3,3 Entitäten pro Antwort ist das eine erreichbare Größe.
• Sub-Query-Abdeckung: Für wie viele der zerlegten Teilfragen eines Themas taucht die eigene Seite als Quelle auf?

Wichtig ist, diese Metriken neben den klassischen KPI zu führen, nicht statt ihrer. KI-Sichtbarkeit und organischer Traffic sind getrennte Bilanzen, die jeweils eigene Zielgrößen brauchen.

Zero-Click-Realität und KPI-Definition

Die Verschiebung hin zu KI-Antworten verändert die Klicklogik der Suche grundlegend. Generative Antworten beantworten viele Fragen direkt auf der Ergebnisseite, was die Klickrate auf verlinkte Inhalte senkt. Die aktualisierte Ahrefs-Analyse auf Basis von Google-Search-Console-Daten aus Dezember 2025 zeigt, dass die Klickrate für Position 1 in Anwesenheit einer AI Overview um rund 58 Prozent niedriger liegt. Das ist nahezu eine Verdoppelung gegenüber dem im April 2025 gemessenen Rückgang von 34,5 Prozent.

Auch andere Daten stützen das Bild. Laut der internationalen Pew-Research-Auswertung von 68.879 Suchen klickten Nutzer mit einer KI-Zusammenfassung nur in 8 Prozent der Fälle auf ein klassisches Suchergebnis, ohne KI-Zusammenfassung dagegen in 15 Prozent. Auf einen Link innerhalb der KI-Antwort selbst klickten Nutzer nur in 1 Prozent der Besuche.

Für die Content-Strategie folgt daraus eine doppelte Konsequenz. Erstens muss die Marke auch ohne Klick wirken: durch sichtbare Nennung in der Antwort, durch eine eindeutige Verbindung von Marke und Thema. Zweitens muss sich die KPI-Definition wandeln. Reine Klickziele werden der neuen Realität nicht mehr gerecht. Sinnvoller sind Sichtbarkeits- und Zitat-KPI in Kombination mit der dahinterliegenden Conversion-Qualität, die mit dem Faktor 4,4-mal belegt ist.

Agentic Commerce und Zukunft: Was auf DACH-B2B zukommt

Der AI Mode entwickelt sich von einer reinen Antwortmaschine zu einem handelnden Assistenten. Agentische Funktionen wie tiefere Recherche, Buchungen oder die Erledigung mehrstufiger Aufgaben verschieben den Schwerpunkt von der Information hin zur Aktion. Für den Handel entstehen daraus agentische Commerce-Szenarien, in denen das KI-System Produkte vergleicht und Transaktionen anbahnt.

Für B2B-Lead-Generierung im DACH-Raum zeichnet sich mittelfristig eine klare Linie ab. Wenn KI-Systeme zunehmend vorrecherchieren und Vorauswahlen treffen, entscheidet die Präsenz in genau diesen KI-Antworten darüber, ob ein Anbieter überhaupt in die Auswahl kommt. Die belegte Quellen-Divergenz von 13,7 Prozent bedeutet, dass diese Präsenz im AI Mode separat erarbeitet werden muss. Wer hier frühzeitig mit sauber strukturierten, belegten Fachinhalten präsent ist, sichert sich einen Platz in den KI-gestützten Auswahlprozessen seiner Kunden.

Weiterführendes

Google AI Mode ist ein eigenständiger Optimierungskanal, kein Anhängsel der AI Overviews. Die zentralen Stellschrauben sind Query-Fan-Out-fähige Themen-Cluster, Front-Loading mit Answer Islands, belegte Statistiken und eine konsistente Entitäten-Strategie. Wer die Sichtbarkeit im AI Mode aufbauen will, sollte parallel die passenden GEO-Themen vertiefen: die Funktionsweise von Query Fan-Out, den Aufbau von Answer Islands, den Princeton-Hebel aus Statistiken und Zitaten sowie die Messung von KI-Sichtbarkeit mit Citation- und Impression-Metriken. Entscheidend ist, KI-Sichtbarkeit und klassisches SEO als zwei getrennte, aber sich ergänzende Bilanzen zu führen.